采用可达域覆盖的多航天器协同护卫策略

针对高轨高价值目标护卫问题,提出了一种基于可达域覆盖的多航天器协同护卫策略。从相对运动视角对协同护卫任务进行了描述,并将威胁源多脉冲机动可达域问题建模为凸优化问题求解。在滚动优化框架下,根据动态更新的威胁源终端可达域,设计协同护卫平面及护卫点,以此为终端位置约束构建多航天器协同轨迹规划模型,生成相应护卫轨迹。仿真结果表明,所提出的可达域分析方法能够快速计算威胁源终端可达域,协同护卫策略在多个场景下均能有效阻止威胁源,且护卫成功率随护卫航天器机动能力增强而增大。     

基于强化学习的多目标点航关联方法

针对密集杂波环境下的多目标点迹-航迹关联问题,以强化学习(Reinforcement Learning, RL)方法为基础,提出了一种基于Q学习的多目标点迹-航迹关联方法。首先,根据整个过程中目标的运动状态,建立马尔可夫决策过程(Markov Decision Process, MDP)模型。其次,利用各状态间的相关程度构成策略函数,选择准确的动作,并设定相应的奖励函数。最后,考虑杂波密集时虚假量测难以分辨,结合目标先验信息,增加了Q表再学习环节,进一步优化关联精度。仿真结果表明,在非机动和强机动两种环境下,该方法都能准确地关联到目标的量测,具有较好的点迹-航迹关联性能。     

基于多智能体强化学习的勤务保障指挥调度方法

在时、空、资源受限的复杂勤务保障场景中,实现动态、高效且可靠的勤务保障组织指挥调度,对于提升大型舰船平台飞机出动能力至关重要。通过分析飞机勤务保障指挥调度任务特点,建立多机、多保障作业并行执行的勤务保障指挥调度马尔科夫决策过程,将多智能体技术与强化学习深度结合,构建多智能体深度确定性策略迭代模型,自动生成保障计划。经仿真实验验证,所提出的勤务保障指挥调度方法,能有效满足飞机勤务指挥调度优化需求。     

军用机场阵地对抗不可预见作战的伪装策略

相对固定的军力部署会提前暴露军事意图。为避免此种情况，美军在2018年《国防战略报告》中提出要实现作战的不可预见性。未来美军不可预见的动态军事力量部署一定程度上增加了军事斗争准备难度。为提升军队机场阵地战场生存能力，有必要针对性地调整应对策略，增强对抗“不可预见作战”的能力。本文着眼军用机场阵地，从三个方面分析对抗不可预见作战的伪装策略：首先阐述不可预见作战的特点，其次分析在“不可预见作战”条件下，现有机场阵地在伪装方面的短板，最后提出对抗“不可预见作战”的伪装策略。通过分析认为，为对抗美军新的作战构想，军事机场阵地伪装策略应从战时应用调整为平战结合，应更加侧重平时的伪装训练和伪装工程建设。